MiniMax发布了M3 国产编程模型首次追近Opus 4.7

亮虾哥 · 2026-06-04

我是虾哥，写代码不是我的老本行。

但你如果拿国产模型写过代码，大概率经历过这种感觉。

让它写个SQL，还行。改个bug，改完多出三个。重构一个函数，它把你整个文件重写了。

所以每次有模型说"编程能力重大突破"，我的第一反应是：

真能用了，还是又在刷榜？

6月1日，MiniMax发布了M3。SWE-Bench Pro跑出59%，超过GPT-5.5，接近Claude Opus 4.7。API定价输入2.1元/百万token，限时五折。

数据看着不错。但我想搞清楚一件事：

跑分高了，真用起来值不值这笔钱？

❶ M3到底跑了多少分

三个核心评测，说清楚它的位置。

SWE-Bench Pro：59.0%

真实GitHub issue修bug评测。超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7（约60%）。意思就是：给它一个真实的bug报告，它改对的概率接近6成。

Claw-Eval（Agent评测）：第1名

端到端Agent能力评测，M3拿了最高分。这个评测不只是"写出正确代码"，而是"理解需求、拆解任务、调用工具、交付结果"——更像你老板对你的考核方式。

PostTrainBench：37.1（第3）

让模型自主完成数据合成、训练、评测、迭代全流程。Opus 4.7=42.4，GPT-5.5=39.3。M3排第三，但差距不大。

三个评测看下来，一句话总结：

M3的编程能力不是在"国产模型里矮子里拔将军"。它在跟全球最顶级的闭源模型正面对标。

当然，MiniMax官方也坦诚——和Opus 4.7、GPT-5.5相比，整体上还是有差距。但放在国产模型里，这是第一个真正摸到"编程前沿"门槛的。

❷ 架在坐标系里看，差距到底多大

把国产模型在编程赛道上排个队，大概是这样的落差：

第一梯队：Claude Opus 4.7 / GPT-5.5

编程已经到"生产可用"级别。专业开发者用它写代码，改bug，做架构审查。价格贵（Opus输出75美元/百万token），但企业买单。

1.5梯队：MiniMax M3（刚挤进来）

离Opus还有一点差距，但已经超过GPT-5.5。价格是Opus的1/100。对普通开发者来说，这个性价比组合是头一次出现。

第二梯队：DeepSeek V4 Pro / GLM-5.1

优秀的通用模型，编程是"能写"，不是"专精"。更偏向性价比和中文场景。DeepSeek API输入3元/输出6元（百万token），价格屠夫路线。

关键不是排名。

关键是：这是国产模型第一次进入"1.5梯队"。以前国内的编程评测，最高分基本在第二梯队晃悠。M3把天花板往上捅了一截。

❸ 算账：写代码到底花多少钱

跑分归跑分，用起来花多少钱才是真问题。我拿一个典型的编程场景来算。

场景：改一个中等复杂度的bug。你需要把3-5个源文件传给模型（大约150K token输入），让它输出修复方案+代码（大约8K token输出）。不算缓存复用。

MiniMax M3（限时五折价）

输入：0.15M × 2.1元 = 0.315元输出：0.008M × 8.4元 = 0.067元合计：约 0.38 元/次

⚡ DeepSeek V4 Pro（永久降价后）

输入：0.15M × 3元 = 0.45元输出：0.008M × 6元 = 0.048元合计：约 0.50 元/次

Claude Opus 4.7（API直接调用）

输入：0.15M × 15美元 × 7.2 = 16.2元输出：0.008M × 75美元 × 7.2 = 4.32元合计：约 20.52 元/次

一次bug修复，M3大概三毛八。Claude Opus要二十块五。差了53倍。

当然这不公平——Opus整体能力更强。但如果你只是在IDE里写业务代码，不是在写操作系统内核，M3的性价比甩Opus几条街。

再看订阅：M3 Max套餐119元/月，给18亿+ token。Claude Max100美元/月（约720元），给大约4.5亿token。均摊下来，M3的单价大概是Claude的1/6。

这个定价策略很聪明——不是在跟Opus比"谁更强"，而是在跟Opus比"谁更划算"。

❹ MSA架构：便宜不是白来的

M3能这么便宜，底层是它自研的MSA稀疏注意力架构。不展开讲技术细节，说三个关键数：

1/20

100万上下文下，每token计算量只有上代模型的二十分之一。

9倍 / 15倍

Prefilling阶段加速超9倍，Decoding阶段加速超15倍。

打个比方：以前模型读一个100万字的文档，每个字都要跟其他每个字"对视"一次。MSA让它只在必要的字之间对视，省掉了95%的无效计算。

这套架构跟DeepSeek的DSA、Kimi的MoBA走的是不同路线。DeepSeek更关注"选哪些token"，M3更关注"选了之后怎么让GPU高效跑"。

开发者不用关心架构，但要知道一件事：M3的1M上下文是真正可用的1M，不是"理论支持1M但超过64K就慢到没法用"。

❺ MiniMax Code：工具链跟上了吗

模型再好，没配套工具就是白搭。MiniMax同步发了MiniMax Code，定位是对标Claude Code和Codex的Agent产品。

目前能看到的能力：

长程自主编码

24小时内自主完成147次benchmark提交、1959次工具调用。不是"一问一答"，是"给它一个目标，它自己干完"。

硬件优化能力

把Hopper FP8硬件峰值利用率从7.6%推到71.3%，9.4倍加速。这事以前得找懂CUDA的工程师干，现在模型自己能调了。

论文复现

12小时独立复现ICLR 2025论文，18次commit，23张实验图表。全程无人干预。

说实话，这些展示案例更多是能力上限的证明，不是日常写业务代码的常态。但方向是对的——从"你写代码它辅助"到"它写代码你审查"。

工具链成熟度跟Claude Code比肯定还有距离，但起步就不低。

❻ 开源 + 科创板：miniMax在赌什么

最后说一个有意思的事。

M3宣布10天内开源权重——HuggingFace和GitHub上可以下载部署。与此同时，MiniMax在5月29日跟中信证券签了科创板上市辅导协议。

一边把最核心的模型白送，一边要上市。矛盾吗？

不矛盾。开源是获客，IPO是变现路径变了。

以前大模型公司赚钱逻辑是：卖API → 按token收费。现在MiniMax的逻辑是：开源权重给你免费用 → 开发者生态起来 → MiniMax Code每月119元订阅收费。

跟Red Hat当年的路数一样——Linux免费，但Red Hat Enterprise Linux收服务费。

这步棋能不能走通，核心看两点：开源后社区是真有人用，还是又一个"开源即PR"；MiniMax Code能不能在Claude Code和Codex的夹击下站稳。

虾哥的判断

M3不是一个"中国版Claude"。它是一个信号。

信号就是：国产模型的编程能力，从"能写"跨到了"能用"。

三毛八一次bug修复，119块一个月管够。对大多数写业务代码的人，这个价格和这个能力，已经足够把日常的编程任务外包给模型了。

当然，如果你做的是极致性能优化、复杂的分布式系统设计，Opus还是首选。但那个场景只占日常编程的5%。

剩下的95%，M3已经够用了。

唯一的变数：限时五折结束后，恢复原价（输入4.2元/输出16.8元），性价比优势会打折扣。如果真的恢复原价，那DeepSeek V4 Pro（输入3/输出6）就又香了。

所以想试的趁现在。7天后如果涨价，到时候再看值不值。

先审后发。

#MiniMax #AI编程 #国产大模型 #API定价 #开源